基于深度学习的微晶玻璃气泡缺陷检测  

作　　者：王震[1] 李伟仙[1] 吴思进[1] 金梓翔 邓捷 WANG Zhen;LI Weixian;WU Sijin;JIN Zixiang;DENG Jie

机构地区：[1]北京信息科技大学仪器科学与光电工程学院,北京100192 [2]新华三云计算技术有限公司,四川成都610000

出　　处：《信息技术与信息化》2023年第8期58-61,67,共5页Information Technology and Informatization

摘　　要：微晶玻璃内部气泡缺陷会影响材料性能,气泡缺陷状况评估是微晶玻璃材料性能的重要环节。传统微晶玻璃缺陷检测方法为人工检测,该方法存在检测效率低、人工任务繁重的问题,无法满足实际需求。针对现有的人工检测方式的不足,设计了一种基于深度学习YOLOv5网络的微晶玻璃气泡缺陷检测算法。首先对数据集通过Mosaic增强方法实现归一化处理,之后再对数据集利用YOLOv5网络实现迭代训练,最后保留最优权重并通过实验进行实际测试。实验结果表明,相较于其他深度学习网络,YOLOv5网络检测效率及精度均较高,可以满足实际使用需求。

关 键 词：深度学习 微晶玻璃 气泡检测 缺陷检测 YOLOv5 

分 类 号：TQ171.733[化学工程—玻璃工业] TP18[化学工程—硅酸盐工业] TP391.41[自动化与计算机技术—控制理论与控制工程]